英特尔创始人之一戈登·摩尔(Gordon Moore)提出的摩尔定律(Moore's law)，是指集成电路上的晶体管数目每两年(或18个月)会增加一倍，该定律已经被奉为半导体产业圭臬。
即使摩尔定律这几年一直遇到瓶颈与挑战，半导体大厂仍是努力以各种方式延续该定律的生命，让半导体技术持续延展创新。
在AI领域，我们也常听到“黄氏定律(Huang’s Law)”，是预测GPU将推动AI性能实现逐年翻倍;该定律是由英伟达NVIDIA首席执行官黄仁勋名字命名。
在英伟达的GTC中国线上大会中，首席科学家Bill Dally指出，英伟达的研究人员致力于打造速度更快的AI芯片，并将其用于具有更高带宽的系统，从而简化编程。
Dally以三个项目为例，讲述了自己带领的200人的研究团队如何成功实现“黄氏定律(Huang’s Law)”。
所谓的“黄氏定律”是以英伟达首席执行官黄仁勋名字命名的定律，预测GPU将推动AI性能实现逐年翻倍。
Dally表示，如果我们真想提高计算机性能，黄氏定律就是一项重要指标，且在可预见的未来都将一直适用。
图说：英伟达帮助 AI推理性能每年提升一倍以上
为实现这一突破，英伟达研究人员专门开发了一种名为 MAGNet 的工具，其生成的 AI 推理加速器在模拟测试中，能够达到每瓦 100 tera ops 的推理能力，比目前的商用芯片高出一个数量级。
MAGNet 采用了一系列新技术来协调并控制通过设备的信息流，最大限度地减少数据传输，而数据传输正是当今芯片中最耗能的环节。这一研究原型以模组化实现，因此能够灵活扩展。
另外，研究团队还开展了一项研究，试图以更快速的光链路取代现有系统内的电气链路。
Dally 在 年加入英伟达之前，曾任斯坦福大学计算机科学系主任，个人拥有 120多项专利。他表示，可以将连接 GPU 的 NVLink 速度提高一倍，也许还会再翻番，但电子信号最终会消耗殆尽。
该团队正在与哥伦比亚大学的研究人员密切合作，探讨如何利用电信供应商在其核心网络中所采用的技术，通过一条光纤来传输数十路信号。
这种名为“密集波分复用”的技术,有望在仅一毫米大小的芯片上实现 Tb/s 级数据的传输，是如今互连密度的十倍以上。
除了更大的吞吐量，光链路也有助于打造更为密集型的系统。Dally 举例展示了一个未来将搭载 160多个 GPU 的 NVIDIA DGX 系统模型。
图说：工程师借助光链路，在单一系统中可搭载160多个GPU
软件方面，英伟达的研究人员开发了全新编程系统原型Legate。开发者借助Legate，即可在任何规模的系统上，运行针对单一GPU编写的程序——甚至适用于诸如Selene等搭载数千个GPU的巨型超级计算机。
Legate 将一种新的编程速记融入了加速软件库和高级运行时环境 Legion，目前它正在美国国家实验室接受测试。
除上述三项研究，Dally 还在主题演讲中谈到了英伟达特别针对医疗健康、无人驾驶汽车和机器人等众多行业打造的平台。他表示，经过几代人的努力，英伟达的产品将通过基于物理渲染的路径追踪技术，实时生成令人惊艳的图像，并能够借助AI构建整个场景。
此外，他还首次公开展示了英伟达的对话式 AI 框架 Jarvis 和 GauGAN的完美组合。GauGAN利用生成式对抗网络，只需简略构图就能创建风景图。
再者，光线追踪领域的进展都始于英伟达研究院打造的原型。，Dally 委派研究员 Bryan Catanzaro 与斯坦福大学教授 Andrew Ng 共同合作一个项目，后来打造出 CuDNN 软件，让深度学习领域大量的研究工作成为可能。
